基于PRIC理論的圖像信息技術研究.pdf

1、本文利用PRIC(Pattern Recognition and Intelligent Control,模式識別與智能控制)面向外部環(huán)境信息實現機器直接感知并做出相應智能反映的技術特點,融合信息、計算機、控制、模糊數學等交叉學科開展以圖像信息的識別為前提的復雜背景下目標識別與跟蹤技術研究,并將其應用于軍事領域。文章在闡述圖像識別基本理論的基礎上提出多種有效識別算法及其實用技術。尤其是模糊加權的圖像匹配方法,利用直方圖的特性,引進數學中

2、的模糊加權概念,顯示各級量數在總量中所具有的重要程度,分別給予不同的級數；在相關匹配中,先對權重高的灰度值進行匹配,并運用模糊加權模板的思想來處理要匹配的現場圖像,以獲得二值化的稀疏矩陣,再以模糊加權模板將相關運算的乘法簡化為稀疏矩陣的加法。文章闡述,模糊加權的圖像匹配方法能夠使得整個識別過程不僅降低了運算量,而且對噪聲污染具有較強的抗干擾性；同時,系統(tǒng)能夠克服一般模板方法對環(huán)境亮度輕微變化而造成的匹配失誤；并通過實驗證明了模糊加權算法

3、對NMI特征值能保持良好的穩(wěn)定性,且優(yōu)于灰度門限算法和邊緣檢測等算法。為增強識別匹配的實用性,文章在給出模糊加權的NMI特性提取方法的同時,還提出了一種實用的復合圖像識別匹配算法。該算法以模糊權重為二者的連接點,既降低了灰度匹配的計算量,又為NMI特征值計算尋找到了有效的方法。針對本課題的應用技術背景,文章詳盡介紹了PRIC在制導武器系統(tǒng)中的末制導尋的實用算法及其技術。對于當前圖像匹配過程所采用的經典決策中特征空間尺度MAD、CF和CC

4、F等算法的局限性難以實現復雜環(huán)境條件下目標圖像的高準確率識別,提出一種目標圖像匹配的模糊合成多維決策方法。該方法在增加運算量不多的情況下,可以大幅度提高對復雜背景下目標圖像識別的準確率,因此使得該領域的研究向實用技術邁進一大步。同時通過變角度識別、遠距逼近、遮擋目標等復雜環(huán)境實驗測試,最終證實,本課題提出的系列算法具有優(yōu)異的實用性和有效性。最后,文章闡述了基于PRIC理論的圖像信息技術拓展研究,以攝像機雙目測量與圖像形態(tài)學處理方法作為圖